0104045改進的多目標遺傳算法在結構優(yōu)化設計中的應用(編輯修改稿)
2025-06-12 19:37 本頁面
【文章內(nèi)容簡介】 的性狀遺傳），因而能夠較好地維持群體的分布性。 基于適應度共享（ sharing）的小生境技術 用共享度函數(shù)來確定群體中個體的共享度。一個個體的共享度等于該個體與群體內(nèi)的各個其他個體之間的共享函數(shù)值的總和。共享函數(shù)是關于個體之間的密切程度的函數(shù)。當個體之間關系較密切時，共享函數(shù)值較大；反之，則較小。設 ijd 表示個體 i 和個體 j 之間的關系密切程度， s 表示共享函數(shù)， is 表示個體 i 在群體中的共享度， n 表示種群大小，則： ? ???? nj iji dss 1 計算出各個體的共享度后，個體的適應度 ??if 被重新指定為 ?? ??ii sifif ? 。這種基于適應度共享的小生境技術可以限制那些適應度值太大的“超級個體”的無限制增長。 管理科學與系統(tǒng)科學研究新進展 —— 第 6 屆全國青年管理科學與系統(tǒng)科學學術會議論文集 2021 年 大連 292 3 結構優(yōu)化實例 [例 1] 兩桿構架優(yōu)化問題 兩個目標函數(shù)的兩桿構架優(yōu)化問題的數(shù)學描述如下： ? ? ? ?? ?0, 31 1 0 000 0 1 0 000 0 : 1620 116 21122221????????????xxyffftos u bj e c tyxyfM i ni m i z eyxyxfM i ni m i z eBCACACs t r e s ss t r e s sv o l u m es t r e s sv o l u m e 最小化兩個目標函數(shù) volumef 和 stressf ，分別為對構架的體積和應力的優(yōu)化。如下圖（圖一）所示，經(jīng)過 240 代的進化改進的 MOGA 得到了近優(yōu)解集。得到 Paerto 解集所進行的函數(shù)計算量為 9523 次，大大少于未改進的 MOGA 獲得相同解集的計算量（ 27397 次）。 圖一 改進的 MOGA 在兩桿構架問題中的應用 [例 2] 振動試驗臺優(yōu)化問題 振動試驗臺優(yōu)化問題是要設計一個帶有固定電機的平臺，它可以簡化為兩桿支撐的有負載的橫梁的問題，這里的負載是指電機本身。振動由電機產(chǎn)生再傳遞到橫梁上。橫梁長為 L寬為 B ，是由三層材料組成的復合結構，材料厚度分別由 1d 、 2d 、 3d 表示，材料的類型由 iM 表示，其中 )3,2,1(?i ， ? 表示材料密度， E 表示材料的楊氏彈性模量， c 表示單位體積材料的價格。組成試驗平臺的材料屬性如下表所示： 材料類型 iM 材料密度 ? ?3/mkg? 楊氏彈性模量? ?2/mNE 材料單位價格? ?volumec /$ 初始種群01000020210300004000050000600000 體積（volume）應力（stress）進化240代后01000020210300004000050000600007000080000900000 體積（volume）應力（stress）管理科學與系統(tǒng)科學研究新進展 —— 第 6 屆全國青年管理科學與系統(tǒng)科學學術會議論文集 2021 年 大連 293 1 2770 70? 109 1500 2 100 ? 109 500 3 7780 200? 109 800 表一 振動試驗臺材料屬性表 問題的有兩個目標函數(shù)， 1f 表示基礎頻率， 2f 表示試驗臺造價。振動試驗臺優(yōu)化問題的具體數(shù)學描述如下： ? ?? ? ? ?? ?? ? ? ?? ?? ? ? ? ? ?? ?63g
醫(yī)療健康相關推薦
鄂ICP備17016276號-1